Enhancing intrusion detection systems' capability through feature-sets optimization
Özellik setleri optimizasyonu yoluyla hazırlık tespiti algılama sistemlerinin yeteneklerini artırmak
- Tez No: 747157
- Danışmanlar: PROF. DR. AHMET SENOL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Siber Güvenlik Ana Bilim Dalı
- Bilim Dalı: Siber Güvenlik Bilim Dalı
- Sayfa Sayısı: 59
Özet
Dijitalleşme çağıyla birlikte siber tehditlerin ve saldırıların sayısı katlanarak arttı. Bilgisayar sistemleri, okulları, hastaneleri terk ederek bu günkü kadar tehdit altında olmamıştı. ve hatta siber saldırılara açık şehirler. Her gün, yeni saldırı vektörleri ortaya çıkıyor. Geçmişte görülmemiş, bu da her organizasyonu sürekli entegre etmeye itti. operasyonlarında siber araştırma. Sıfır gün saldırıları, yeni saldırıların ortak adıdır. BT sistemlerinde ve uygulamalarında görünmeyen güvenlik açıklarından kaynaklanan vektörler. adreslemede Bu sorun, organizasyonların anormallik türleri ile Saldırı Tespit Sistemlerini benimsemiş olmaları, sıfır gün saldırılarını tespit etme yeteneğini gösterdi. Bu sistemler algılar Bir sistemdeki anormallikleri yakalamak için normal operasyon profillerinden sapmalar. Yanlış pozitifler, düşük algılama oranı ve algılama gecikmesi, üç yaygın sorundur. anormallik tabanlı Saldırı Tespit Sistemleri. için daha önce birçok araştırma yapılmıştı. bu sorunları ele alın. Araştırmamız, azaltılmış bir özellik seti ve bir Tespit kabiliyetini artırmak, azaltmak için her saldırı türüyle ilgili şampiyon sınıflandırıcı yanlış pozitifler ve gecikmeyi azaltır. İki özellik seçim yöntemi, korelasyon tabanlı birkaç makine ile birlikte özellik seçimi ve özyinelemeli özellik eleme öğrenme modelleri, yeni bir karşılaştırmalı ağ veri setinde test edildi. Veri kümesi şunları içerir: yeni ağ saldırıları, anormallik algılama sık karşılaşılan sorunları ele almak için karşılık gelen saldırı türüne uyan en iyi özellik seti. Seçtiğimiz setler ile seçilen şampiyon makine öğrenimi sınıflandırıcısı, algılama oranında büyük bir artış gösterdi, ve bazı durumlarda 0'a ulaşmak için hem gecikme hem de yanlış pozitif oranında azalma.
Özet (Çeviri)
With the age of digitization, numbers of cyber threats and attacks grew exponentially. Computer systems has never been under threat as these days, leaving schools, hospitals and even cities susceptible to cyber-attacks. Each day, novel attack vectors appear that have not been seen in the past, which drove every organization to integrate continuous cyber research in their operations. Zero-day attacks is a common name for new attack vectors resulting from unseen vulnerabilities in IT systems and applications. In addressing this problem, organizations adopted Intrusion Detection Systems with their anomaly type, which showed its capability in detecting zero-day attacks. These systems detect deviations from normal operations profiles to catch the anomalies in a system. False positives, low detection rate and detections latency are three common problems of anomaly-based Intrusion Detection Systems. Many researches were done previously to address those problems. Our research focuses on finding a reduced feature set and a champion classifier, relevant to each attack type to enhance detection capability, decrease false positives and reduce latency. Two feature selection methods, correlation-based feature selection and recursive feature elimination, accompanied with several machine learning models were tested on a new benchmark network dataset. The dataset includes new network attacks, to address the anomaly detection common problems by selecting the best feature set that matches its corresponding attack type. Our selected sets with the selected champion machine learning classifier, showed a great increase in detection rate, and decrease in both latency and false positives rate to reach 0 in some instances.
Benzer Tezler
- Yapay zeka ile meme kanseri teşhisi
Breast cancer diagnosis with artificial intelligence
İLKER ÇAKAR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- Ses olay tespit problemine derin öğrenme tabanlı çözümler
Utilizing footstep sound event detection by using cnn techniques for assuring property security
FURKAN YUSUF YAVUZ
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK
- Kanal tabanlı özellik temsili ve derin öğrenmeye dayalı uykululuk sınıflandırması
Drowsiness classification based on channel-based feature representation and deep learning
MUSTAFA RIFAT ÇELİK
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY ÖLMEZ
- Emlak fotoğraflarının kalite değerlendirilmesi: Derin öğrenme tabanlı bir yaklaşım
Quality assessment of real estate photographs: A deep learning-based approach
AKIN YAŞAR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DR. YÜKSEL YURTAY
- A data mining based target classification for tactical underwater sensor networks
Sualtı taktik duyarga ağlarında veri madenciliği tabanlı hedef sınıflandırması
YAŞAR DOĞAN
Yüksek Lisans
İngilizce
2004
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDeniz Harp Okulu KomutanlığıBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. VEDAT COŞKUN
DOÇ. DR. ERDAL ÇAYIRCI